SlideShare une entreprise Scribd logo
ECART-TYPE
EXPERIMENTAL :
QUELLE FORMULE CHOISIR ?

Jean-Michel POU :
Dirigeant Fondateur de la société DELTA MU Conseil
Président du G.I.E QUANTUM METWORK
QUELLE FORMULE CHOISIR ?
Cet exposé a 2 objectifs :
1. Répondre à la question initiale concernant la

façon de calculer un écart type expérimental à
partir d’un échantillon de valeurs.
2. Montrer les perspectives que présentent
l’utilisation de la simulation numérique.
QUELLE FORMULE CHOISIR ?
Dans le cas des évaluations d’incertitudes dites
de « type A », la qualité de l’estimateur d’écarttype dépend du nombre d’échantillons (de
mesures) utilisés.
La littérature présente différentes approches dans
le cas des faibles échantillonnages. Certaines
méthodes proposent de multiplier l’écart type
calculé suivant la formule générale par un
correcteur, d’autres de diviser l’étendue du
prélèvement par un scalaire.
QUELLE FORMULE CHOISIR ?
La norme NF X 06-072 travaille en appliquant
un correcteur à l’écart type théorique. Les
coefficients, qui dépendent du nombre
d’échantillons, sont les suivants :
Nb d ’échantillons

2

3

4

5

6

7

1,254

1,128

1,085

1,063

1,05

1,043

8

9

10

11

12

13

14

1,036

1,031

1,028

1,025

1,023

1,02

1,02

Correcteur
QUELLE FORMULE CHOISIR ?
La norme NF ENV ISO 14253-2 travaille elle aussi en
appliquant un correcteur à l’écart type théorique. Les
coefficients, différents des précédents, dépendent
également du nombre d’échantillons :
Nb d’échantillons

2

3

4

5

6

7

8

9

Correcteur

7

2,3

1,7

1,4

1,3

1,3

1,2

1,2
QUELLE FORMULE CHOISIR ?
La norme FD X 07-021 propose de diviser l’étendue d’un
prélèvement par un scalaire, lui aussi en fonction du
nombre d’échantillons prélevés :

Nb d’échantillons

2

3

4

5

6

1,128

1,693

2,059

2,326

2,534

7

8

9

10

11

12

2,704

2,847

2,97

3,078

3,173

3,258

Diviseur
QUELLE FORMULE CHOISIR ?
Le M.S.A (Measurement System Analysis) propose
également de diviser l’étendue d’un prélèvement par un
scalaire, fonction évidemment du nombre d’échantillons
prélevés :
Nb d’échantillons
Diviseur

2
1,41421

6

7
2,67253

3
1,91155
8

4
2,23887
9

5
2,48124
10

16
3,61071

3,07794

3,17905

13

14

15

3,35016

3,42378

3,49116

3,55333

17

3,26909

2,96288

12

11

2,82981

18

19

20

3,66422

3,71424

3,76118

3,80537
QUELLE FORMULE CHOISIR ?
Chaque méthode propose des solutions différentes qui conduisent,
évidemment, à des estimateurs différents. La simulation numérique
permet de définir l’approche la plus cohérente.
La méthode proposée s’appuie sur la simulation numérique. A partir
d’une population importante déterminée (plus de 100 000 éléments),
on réalise des prélèvements, de 2 à 50 éléments, puis on compare
l’écart type du prélèvement à l’écart type théorique déterminé à partir
de toute la population. On recherche également la relation entre
l’étendue du prélèvement et l’écart type de la distribution totale.
Afin d’évaluer l’incertitude sur l’écart type, on prélève n fois 2
éléments, n fois 3 éléments, …, n fois 50 éléments puis on calcule
l’écart type moyen et l’écart type de l’écart type pour chaque type de
prélèvements (2, 3, … 50 éléments) et pour chaque formule. On fait
de même concernant l’approche par rapport à l’étendue.
QUELLE FORMULE CHOISIR ?
La pertinence des résultats obtenus est directement liée à
la qualité du simulateur numérique utilisé. Quatre lois
sont utilisées (Uniforme, normale, dérivée d’arc sinus et
triangle isocèle). Le simulateur utilisé donne, pour 10 000
tirages, les résultats suivants :
Loi Uniforme

Loi Triangle isocèle

Loi Dérivée d'arc sinus

Loi normale
QUELLE FORMULE CHOISIR ?
La simulation numérique montre que toutes les
approches proposées donnent des résultats
différents, la plus éloignées de la réalité étant
l’approche suivant la norme NF ENV ISO 14 2532 (Cf actes du congrès 2003).
La simulation numérique permet de redéfinir des
coefficients et de leur associer une incertitude.
La correction de l’écart-type expérimental est-elle
fonction de la valeur de l’écart type ?
En réalisant n (500) prélèvements dans des distributions d’écart
types théoriques variant de 0,01 à 100, il est possible de vérifier si
l’écart type expérimental est influencé par l’écart type théorique :
Toutes lois confondues - 3 échantillons

Toutes lois confondues - 2 échantillons
1,6

1,2

y = 6E-05x + 1,2344

y = -7E-05x + 1,107

1,15

1,4

1,1
1,2

1,05
1

1
0

20

40

60

80

100

0

120

20

40

60

80

100

120

Toutes lois confondues - 5 mesures

Toutes lois confondus - 4 échantillons

1,12

1,16
1,14
1,12
1,1
1,08

y = 9E-05x + 1,0642

y = 6E-06x + 1,0469

1,1
1,08
1,06

1,06
1,04

1,04
1,02

1,02
1

1

0

20

40

60

80

100

120

0

20

40

60

80

100

Les graphes ci-dessus montrent que la correction n’est pas
fonction de la valeur de l’écart type lui-même

120
La correction de l’écart-type expérimental est-elle
fonction de la loi de distribution initiale ?
L’analyse du rapport entre l’écart type expérimental et l’écart type
théorique d’une part, l’étendue du prélèvement et l’écart type
théorique d’autre part, en fonction du nombre d’échantillons
montre :
E
cart ty pe théorique / Ecart type expérim
ental

E
tendue du prélèvem
ent / E
cart type théorique

1,3
5

Dérivée d'arc sinus
Norm
ale

1,25

4,5

Unif orm
e
Triangle

4

1,2

3,5

1,15
3

1,1
2,5

1,05

2

Dérivée d'arcsinus
1,5

1

Normale
1

Unif orm
e

0,95

Triangle

0,5

0,9
0

10

20

30

40

50

60

0

0

1
0

20

30

40

50

60

Le rapport n’est pas indépendant de la loi initiale, dans les deux cas ! Néanmoins,
et puisqu’il n’est pas possible, au préalable, de connaître la loi de distribution
initiale dans le cas d’une expérimentation, la moyenne des résultats obtenus, pour
toutes les lois initiales, sera retenue.
Dispersion des coefficients ?
Chaque simulation réalisée conduit à une rapport entre écart type expérimental
et écart type théorique d’une part, étendue et écart type théorique d’autre part. n
simulations donnent n rapports … on s’attachera à observer le rapport et l’écart
type sur le rapport, écart type résultant des n simulations :
Rapport et incertitude sur le rapport (en fonction de l'écart type)

Rapport et incertitude sur le rapport (en fonction de l'étendue)

1,3500

0,0450
Coef f icient sur écart type

1,3000

6,0000

0,700

0,0400

ÉcartTypeDeNouveau Coef f

1,2500

0,0350

1,2000

0,0300

1,1500

0,600

5,0000

0,0250

0,500
4,0000
0,400
3,0000

1,1000

0,0200

1,0500

0,0150

1,0000

0,0100

0,9500

0,0050

0,300
2,0000
0,200
1,0000

0,9000

0,0000
0

10

20

30

40

50

60

0,100

Coeff sur étendue
ÉcartTypeDeNouveau Coeff Etendue

0,0000

0,000
0

10

20

30

40

50

60

La simulation numérique montre que l’incertitude sur le rapport est nettement plus
grande lorsqu’on travaille sur les étendues plutôt que sur les écart types. Pour les faibles
échantillonnages, l’incertitude semble néanmoins plus petite !
Incertitude globale sur les écart-types
corrigés
Lorsqu’on travaille sur les écart types, la formule s’écrit : sCor = Sexp x Coeff.
L’incertitude sur scor, par application de la loi de propagation, s’écrit :
u² sCor = (dsCor/dsexp) x u²sexp + (dsCor/dCoeff) x u²Coeff
Lorsqu’on travaille sur les étendues, la formule s’écrit : sCor = Etendue / Coeff.
L’incertitude sur scor, par application de la loi de propagation, s’écrit :
u² sCor = (dsCor/dEtendue) x u²Etendue + (dsCor/dCoeff) x u²Coeff
L’applicatrion numérique montre, en fonction du nombre d’échantillons :
A partir de l'éc art type ex périmental

En f onction de l'étendue

160,00%

250,00%

Incertitude %
(2 mesures)

140,00%
Inc ertitude %
(2 mes ures )
Inc ertitude %
(3 mes ures )

120,00%

Incertitude %
(3 mesures)

200,00%

Incertitude %
(4 mesures)

Inc ertitude %
(4 mes ures )
Inc ertitude %
(5 mes ures )

100,00%

Incertitude %
(5 mesures)

150,00%

Incertitude %
(10 mesures)

Inc ertitude %
(10 mesures)
80,00%

Inc ertitude %
(15 mesures)
Inc ertitude %
(20 mesures)

60,00%

Incertitude %
(15 mesures)
Incertitude %
(20 mesures)

100,00%

Inc ertitude %
(30 mesures)

Incertitude %
(30 mesures)

Inc ertitude %
(40 mesures)

40,00%

Inc ertitude %
(50 mesures)

Incertitude %
(40 mesures)

50,00%

Incertitude %
(50 mesures)

20,00%

0,00%

0,00%
0

20

40

60

80

100

120

0

20

40

60

80

100

120

L’incertitude globale sur l’écart type corrigé, calculée à partir des résultats obtenus par
simulation numérique ( usexp, uCoeff et uEtendue) montre que l’approche à partir de l’étendue conduit
à une incertitude sur l’écart type corrigé nettement supérieure à celle obtenue à partir de l’écart
type expérimental
Distribution des écart-types expérimentaux
La distribution des écart-types expérimentaux, en fonction du
nombre d’échantillons et de la loi initiale, prend les allures
suivantes :
Loi initale normale - 2 échantillons

Loi initiale normale - 3 échantillons

Loi initale normale - 4 échantillons

Loi initiale Dérivée d'Arc Sinus - 2 échantillons

Loi initiale Dérivée d'Arc Sinus - 3 échantillons

Loi initiale Dérivée d'Arc Sinus - 4 échantillons

Loi initiale Dérivée d'Arc Sinus - 5 échantillons

Loi initiale Uniforme - 2 échantillons

Loi initiale unif orme - 3 échantillons

Loi initiale Uniforme - 4 échantillons

Loi initiale Uniforme - 5 échantillons

Loi initiale normale - 5 échantillons

Tout écart-type, évalué sur la base d’un prélèvement inférieur à 5
échantillons, n’a pas de niveau de confiance appréciable !
Coefficients sur écart-type retenus
Nb Mesures

Coefficient sur écart type

Incertitude (2s)

Incertitude (2s) en %

Coeff sur étendue

Incertitude(2s)

Incertitude (2s) en %

2

1,235

0,082

6,60%

1,146

0,075

6,58%

3

1,106

0,052

4,68%

1,718

0,077

4,47%

4

1,066

0,044

4,17%

2,066

0,074

3,58%

5

1,047

0,036

3,39%

2,302

0,095

4,13%

6

1,035

0,029

2,77%

2,479

0,138

5,57%

7

1,027

0,027

2,67%

2,616

0,195

7,46%

8

1,024

0,029

2,79%

2,719

0,242

8,90%

9

1,020

0,021

2,05%

2,809

0,304

10,83%

10

1,017

0,022

2,16%

2,881

0,350

12,16%

11

1,016

0,019

1,87%

2,942

0,399

13,55%

12

1,013

0,018

1,79%

3,001

0,447

14,89%

13

1,013

0,018

1,81%

3,046

0,485

15,92%

14

1,012

0,018

1,73%

3,088

0,527

17,06%

15

1,011

0,015

1,48%

3,127

0,568

18,16%

16

1,010

0,016

1,54%

3,161

0,603

19,07%

17

1,009

0,014

1,36%

3,194

0,641

20,08%

18

1,009

0,015

1,50%

3,219

0,666

20,70%

19

1,009

0,015

1,49%

3,245

0,698

21,51%

20

1,008

0,012

1,19%

3,272

0,733

22,41%

21

1,008

0,012

1,20%

3,292

0,760

23,08%

22

1,007

0,012

1,24%

3,315

0,788

23,77%

23

1,007

0,012

1,18%

3,333

0,809

24,27%

24

1,006

0,011

1,12%

3,352

0,836

24,94%

25

1,006

0,011

1,06%

3,368

0,859

25,51%

26

1,005

0,010

1,04%

3,388

0,885

26,13%

27

1,006

0,012

1,19%

3,400

0,901

26,50%

28

1,005

0,010

1,04%

3,418

0,929

27,19%

29

1,005

0,010

1,04%

3,431

0,949

27,67%

30

1,005

0,011

1,08%

3,444

0,963

27,98%

Contenu connexe

Tendances

La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?
Jean-Michel POU
 
Pour une métrologie efficace et économique
Pour une métrologie efficace et économiquePour une métrologie efficace et économique
Pour une métrologie efficace et économique
Jean-Michel POU
 
Métrologie source de profits
Métrologie source de profitsMétrologie source de profits
Métrologie source de profits
Jean-Michel POU
 
Evaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuringEvaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuring
Jean-Michel POU
 
Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?
Jean-Michel POU
 
Metrologie
MetrologieMetrologie
Metrologie
taktakghazi
 
Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008
Mohamed Kortbi
 
Metrologie dans l'entreprise
Metrologie  dans l'entrepriseMetrologie  dans l'entreprise
Metrologie dans l'entrepriseAyoub El'
 
Echantillonnage
EchantillonnageEchantillonnage
Echantillonnage
Abdelaaziz BENAHMIDA
 
L’histoire de l’informatique
L’histoire de l’informatiqueL’histoire de l’informatique
L’histoire de l’informatiqueKarim Zehi
 
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Jean-Michel POU
 
Approche GUM
Approche GUMApproche GUM
Approche GUMchris5712
 
C.2.I
C.2.IC.2.I
Test khi deux
Test khi deuxTest khi deux
Test khi deux
Adad Med Chérif
 
La criticité des équipements
La criticité des équipementsLa criticité des équipements
La criticité des équipementsProsygma
 
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
Adad Med Chérif
 
Méthodes pratiques de prélèvements de sang (1
Méthodes pratiques de prélèvements de sang (1Méthodes pratiques de prélèvements de sang (1
Méthodes pratiques de prélèvements de sang (1S/Abdessemed
 
Choix de l’analyse statistique appropriée
 Choix de l’analyse statistique appropriée  Choix de l’analyse statistique appropriée
Choix de l’analyse statistique appropriée
Adad Med Chérif
 
présentation six sigma uptraining français
présentation six sigma uptraining françaisprésentation six sigma uptraining français
présentation six sigma uptraining français
simon leclercq
 

Tendances (20)

La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?
 
Pour une métrologie efficace et économique
Pour une métrologie efficace et économiquePour une métrologie efficace et économique
Pour une métrologie efficace et économique
 
Métrologie source de profits
Métrologie source de profitsMétrologie source de profits
Métrologie source de profits
 
Evaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuringEvaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuring
 
Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?
 
Metrologie
MetrologieMetrologie
Metrologie
 
Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008Incertitude mesure cafmet_2008
Incertitude mesure cafmet_2008
 
Metrologie dans l'entreprise
Metrologie  dans l'entrepriseMetrologie  dans l'entreprise
Metrologie dans l'entreprise
 
Echantillonnage
EchantillonnageEchantillonnage
Echantillonnage
 
L’histoire de l’informatique
L’histoire de l’informatiqueL’histoire de l’informatique
L’histoire de l’informatique
 
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
 
Approche GUM
Approche GUMApproche GUM
Approche GUM
 
C.2.I
C.2.IC.2.I
C.2.I
 
Test khi deux
Test khi deuxTest khi deux
Test khi deux
 
La criticité des équipements
La criticité des équipementsLa criticité des équipements
La criticité des équipements
 
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
 
Méthodes pratiques de prélèvements de sang (1
Méthodes pratiques de prélèvements de sang (1Méthodes pratiques de prélèvements de sang (1
Méthodes pratiques de prélèvements de sang (1
 
STP Pharma Pratique
STP Pharma PratiqueSTP Pharma Pratique
STP Pharma Pratique
 
Choix de l’analyse statistique appropriée
 Choix de l’analyse statistique appropriée  Choix de l’analyse statistique appropriée
Choix de l’analyse statistique appropriée
 
présentation six sigma uptraining français
présentation six sigma uptraining françaisprésentation six sigma uptraining français
présentation six sigma uptraining français
 

Similaire à Ecart type experimental : quelle formule choisir ?

Stat3 Intervalle De Confiance
Stat3  Intervalle De ConfianceStat3  Intervalle De Confiance
Stat3 Intervalle De Confiance
Jean-Louis ESTRADE
 
Loic sarton (2)
Loic sarton (2)Loic sarton (2)
Loic sarton (2)
Loic Sarton
 
Stat6 Chideux
Stat6   ChideuxStat6   Chideux
Stat6 Chideux
Jean-Louis ESTRADE
 
Echantillon
EchantillonEchantillon
Echantillon
Kaiogan
 
Ajustement des données à la Distribution Logistique Multivariée
Ajustement des données à la Distribution Logistique MultivariéeAjustement des données à la Distribution Logistique Multivariée
Ajustement des données à la Distribution Logistique Multivariée
Mohamed El Merouani
 
Test d'hypothèses en statistique Chapitre 7.pdf
Test d'hypothèses en statistique Chapitre 7.pdfTest d'hypothèses en statistique Chapitre 7.pdf
Test d'hypothèses en statistique Chapitre 7.pdf
KOUADIOPATRICE1
 
TESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdfTESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdf
RdaAllouche
 
7490_chap02.pdf
7490_chap02.pdf7490_chap02.pdf
7490_chap02.pdf
SaidSousdi
 
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
ENSET, Université Hassan II Casablanca
 
Les relations statistiques échantillon-population.pdf
Les relations statistiques échantillon-population.pdfLes relations statistiques échantillon-population.pdf
Les relations statistiques échantillon-population.pdf
isen4Comptabilite
 
La biométrie_étude de la variation des caractèr_231021_115212.pdf
La biométrie_étude de la variation des caractèr_231021_115212.pdfLa biométrie_étude de la variation des caractèr_231021_115212.pdf
La biométrie_étude de la variation des caractèr_231021_115212.pdf
AbdennourAmrani
 
Data Mining (Partie 3).pdf
Data Mining (Partie 3).pdfData Mining (Partie 3).pdf
Data Mining (Partie 3).pdf
OuailChoukhairi
 
L’apport des techniques statistiques dans les projets Lean 6 Sigma
L’apport des techniques statistiques dans les projets Lean 6 SigmaL’apport des techniques statistiques dans les projets Lean 6 Sigma
L’apport des techniques statistiques dans les projets Lean 6 Sigma
XL Formation
 
Thème 2.docx
Thème 2.docxThème 2.docx
Thème 2.docx
Ella101447
 
Ch6 Introduction à la Science de Données.pdf
Ch6 Introduction à la Science de Données.pdfCh6 Introduction à la Science de Données.pdf
Ch6 Introduction à la Science de Données.pdf
nesrinetaamallah
 
[Fsjes tanger.com]stat1 exoscorrige-splanche2
[Fsjes tanger.com]stat1 exoscorrige-splanche2[Fsjes tanger.com]stat1 exoscorrige-splanche2
[Fsjes tanger.com]stat1 exoscorrige-splanche2
université abdelmalek essaadi tanger
 
Cours masterlyon
Cours masterlyonCours masterlyon
Cours masterlyon
Olivier Coulibaly
 
Questionnaire sous spss
Questionnaire sous spssQuestionnaire sous spss
Questionnaire sous spss
Adad Med Chérif
 
chapitre 1 régression simple.pdf
chapitre 1 régression simple.pdfchapitre 1 régression simple.pdf
chapitre 1 régression simple.pdf
AnassFarkadi
 

Similaire à Ecart type experimental : quelle formule choisir ? (20)

Stat3 Intervalle De Confiance
Stat3  Intervalle De ConfianceStat3  Intervalle De Confiance
Stat3 Intervalle De Confiance
 
Loic sarton (2)
Loic sarton (2)Loic sarton (2)
Loic sarton (2)
 
Stat6 Chideux
Stat6   ChideuxStat6   Chideux
Stat6 Chideux
 
Echantillon
EchantillonEchantillon
Echantillon
 
Ajustement des données à la Distribution Logistique Multivariée
Ajustement des données à la Distribution Logistique MultivariéeAjustement des données à la Distribution Logistique Multivariée
Ajustement des données à la Distribution Logistique Multivariée
 
Test d'hypothèses en statistique Chapitre 7.pdf
Test d'hypothèses en statistique Chapitre 7.pdfTest d'hypothèses en statistique Chapitre 7.pdf
Test d'hypothèses en statistique Chapitre 7.pdf
 
TESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdfTESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdf
 
7490_chap02.pdf
7490_chap02.pdf7490_chap02.pdf
7490_chap02.pdf
 
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
 
Les relations statistiques échantillon-population.pdf
Les relations statistiques échantillon-population.pdfLes relations statistiques échantillon-population.pdf
Les relations statistiques échantillon-population.pdf
 
Td statistique
Td statistiqueTd statistique
Td statistique
 
La biométrie_étude de la variation des caractèr_231021_115212.pdf
La biométrie_étude de la variation des caractèr_231021_115212.pdfLa biométrie_étude de la variation des caractèr_231021_115212.pdf
La biométrie_étude de la variation des caractèr_231021_115212.pdf
 
Data Mining (Partie 3).pdf
Data Mining (Partie 3).pdfData Mining (Partie 3).pdf
Data Mining (Partie 3).pdf
 
L’apport des techniques statistiques dans les projets Lean 6 Sigma
L’apport des techniques statistiques dans les projets Lean 6 SigmaL’apport des techniques statistiques dans les projets Lean 6 Sigma
L’apport des techniques statistiques dans les projets Lean 6 Sigma
 
Thème 2.docx
Thème 2.docxThème 2.docx
Thème 2.docx
 
Ch6 Introduction à la Science de Données.pdf
Ch6 Introduction à la Science de Données.pdfCh6 Introduction à la Science de Données.pdf
Ch6 Introduction à la Science de Données.pdf
 
[Fsjes tanger.com]stat1 exoscorrige-splanche2
[Fsjes tanger.com]stat1 exoscorrige-splanche2[Fsjes tanger.com]stat1 exoscorrige-splanche2
[Fsjes tanger.com]stat1 exoscorrige-splanche2
 
Cours masterlyon
Cours masterlyonCours masterlyon
Cours masterlyon
 
Questionnaire sous spss
Questionnaire sous spssQuestionnaire sous spss
Questionnaire sous spss
 
chapitre 1 régression simple.pdf
chapitre 1 régression simple.pdfchapitre 1 régression simple.pdf
chapitre 1 régression simple.pdf
 

Plus de Jean-Michel POU

Comment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une productionComment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une production
Jean-Michel POU
 
Conformité multidimensionnelle
Conformité multidimensionnelleConformité multidimensionnelle
Conformité multidimensionnelle
Jean-Michel POU
 
Révolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologieRévolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologie
Jean-Michel POU
 
Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?
Jean-Michel POU
 
Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017
Jean-Michel POU
 
Pourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisantPourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisant
Jean-Michel POU
 
Alliance Industrie du Futur
Alliance Industrie du FuturAlliance Industrie du Futur
Alliance Industrie du Futur
Jean-Michel POU
 
Photos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpesPhotos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpes
Jean-Michel POU
 
Deltamu 2016
Deltamu 2016Deltamu 2016
Deltamu 2016
Jean-Michel POU
 
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-FdPrésentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Jean-Michel POU
 
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Jean-Michel POU
 
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Jean-Michel POU
 

Plus de Jean-Michel POU (12)

Comment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une productionComment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une production
 
Conformité multidimensionnelle
Conformité multidimensionnelleConformité multidimensionnelle
Conformité multidimensionnelle
 
Révolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologieRévolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologie
 
Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?
 
Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017
 
Pourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisantPourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisant
 
Alliance Industrie du Futur
Alliance Industrie du FuturAlliance Industrie du Futur
Alliance Industrie du Futur
 
Photos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpesPhotos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpes
 
Deltamu 2016
Deltamu 2016Deltamu 2016
Deltamu 2016
 
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-FdPrésentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
 
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
 
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
 

Dernier

Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
OCTO Technology
 
Les écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptxLes écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptx
abderrahimbourimi
 
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Laurent Speyser
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
Université de Franche-Comté
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
UNITECBordeaux
 
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
Horgix
 

Dernier (6)

Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
 
Les écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptxLes écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptx
 
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
 
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
 

Ecart type experimental : quelle formule choisir ?

  • 1. ECART-TYPE EXPERIMENTAL : QUELLE FORMULE CHOISIR ? Jean-Michel POU : Dirigeant Fondateur de la société DELTA MU Conseil Président du G.I.E QUANTUM METWORK
  • 2. QUELLE FORMULE CHOISIR ? Cet exposé a 2 objectifs : 1. Répondre à la question initiale concernant la façon de calculer un écart type expérimental à partir d’un échantillon de valeurs. 2. Montrer les perspectives que présentent l’utilisation de la simulation numérique.
  • 3. QUELLE FORMULE CHOISIR ? Dans le cas des évaluations d’incertitudes dites de « type A », la qualité de l’estimateur d’écarttype dépend du nombre d’échantillons (de mesures) utilisés. La littérature présente différentes approches dans le cas des faibles échantillonnages. Certaines méthodes proposent de multiplier l’écart type calculé suivant la formule générale par un correcteur, d’autres de diviser l’étendue du prélèvement par un scalaire.
  • 4. QUELLE FORMULE CHOISIR ? La norme NF X 06-072 travaille en appliquant un correcteur à l’écart type théorique. Les coefficients, qui dépendent du nombre d’échantillons, sont les suivants : Nb d ’échantillons 2 3 4 5 6 7 1,254 1,128 1,085 1,063 1,05 1,043 8 9 10 11 12 13 14 1,036 1,031 1,028 1,025 1,023 1,02 1,02 Correcteur
  • 5. QUELLE FORMULE CHOISIR ? La norme NF ENV ISO 14253-2 travaille elle aussi en appliquant un correcteur à l’écart type théorique. Les coefficients, différents des précédents, dépendent également du nombre d’échantillons : Nb d’échantillons 2 3 4 5 6 7 8 9 Correcteur 7 2,3 1,7 1,4 1,3 1,3 1,2 1,2
  • 6. QUELLE FORMULE CHOISIR ? La norme FD X 07-021 propose de diviser l’étendue d’un prélèvement par un scalaire, lui aussi en fonction du nombre d’échantillons prélevés : Nb d’échantillons 2 3 4 5 6 1,128 1,693 2,059 2,326 2,534 7 8 9 10 11 12 2,704 2,847 2,97 3,078 3,173 3,258 Diviseur
  • 7. QUELLE FORMULE CHOISIR ? Le M.S.A (Measurement System Analysis) propose également de diviser l’étendue d’un prélèvement par un scalaire, fonction évidemment du nombre d’échantillons prélevés : Nb d’échantillons Diviseur 2 1,41421 6 7 2,67253 3 1,91155 8 4 2,23887 9 5 2,48124 10 16 3,61071 3,07794 3,17905 13 14 15 3,35016 3,42378 3,49116 3,55333 17 3,26909 2,96288 12 11 2,82981 18 19 20 3,66422 3,71424 3,76118 3,80537
  • 8. QUELLE FORMULE CHOISIR ? Chaque méthode propose des solutions différentes qui conduisent, évidemment, à des estimateurs différents. La simulation numérique permet de définir l’approche la plus cohérente. La méthode proposée s’appuie sur la simulation numérique. A partir d’une population importante déterminée (plus de 100 000 éléments), on réalise des prélèvements, de 2 à 50 éléments, puis on compare l’écart type du prélèvement à l’écart type théorique déterminé à partir de toute la population. On recherche également la relation entre l’étendue du prélèvement et l’écart type de la distribution totale. Afin d’évaluer l’incertitude sur l’écart type, on prélève n fois 2 éléments, n fois 3 éléments, …, n fois 50 éléments puis on calcule l’écart type moyen et l’écart type de l’écart type pour chaque type de prélèvements (2, 3, … 50 éléments) et pour chaque formule. On fait de même concernant l’approche par rapport à l’étendue.
  • 9. QUELLE FORMULE CHOISIR ? La pertinence des résultats obtenus est directement liée à la qualité du simulateur numérique utilisé. Quatre lois sont utilisées (Uniforme, normale, dérivée d’arc sinus et triangle isocèle). Le simulateur utilisé donne, pour 10 000 tirages, les résultats suivants : Loi Uniforme Loi Triangle isocèle Loi Dérivée d'arc sinus Loi normale
  • 10. QUELLE FORMULE CHOISIR ? La simulation numérique montre que toutes les approches proposées donnent des résultats différents, la plus éloignées de la réalité étant l’approche suivant la norme NF ENV ISO 14 2532 (Cf actes du congrès 2003). La simulation numérique permet de redéfinir des coefficients et de leur associer une incertitude.
  • 11. La correction de l’écart-type expérimental est-elle fonction de la valeur de l’écart type ? En réalisant n (500) prélèvements dans des distributions d’écart types théoriques variant de 0,01 à 100, il est possible de vérifier si l’écart type expérimental est influencé par l’écart type théorique : Toutes lois confondues - 3 échantillons Toutes lois confondues - 2 échantillons 1,6 1,2 y = 6E-05x + 1,2344 y = -7E-05x + 1,107 1,15 1,4 1,1 1,2 1,05 1 1 0 20 40 60 80 100 0 120 20 40 60 80 100 120 Toutes lois confondues - 5 mesures Toutes lois confondus - 4 échantillons 1,12 1,16 1,14 1,12 1,1 1,08 y = 9E-05x + 1,0642 y = 6E-06x + 1,0469 1,1 1,08 1,06 1,06 1,04 1,04 1,02 1,02 1 1 0 20 40 60 80 100 120 0 20 40 60 80 100 Les graphes ci-dessus montrent que la correction n’est pas fonction de la valeur de l’écart type lui-même 120
  • 12. La correction de l’écart-type expérimental est-elle fonction de la loi de distribution initiale ? L’analyse du rapport entre l’écart type expérimental et l’écart type théorique d’une part, l’étendue du prélèvement et l’écart type théorique d’autre part, en fonction du nombre d’échantillons montre : E cart ty pe théorique / Ecart type expérim ental E tendue du prélèvem ent / E cart type théorique 1,3 5 Dérivée d'arc sinus Norm ale 1,25 4,5 Unif orm e Triangle 4 1,2 3,5 1,15 3 1,1 2,5 1,05 2 Dérivée d'arcsinus 1,5 1 Normale 1 Unif orm e 0,95 Triangle 0,5 0,9 0 10 20 30 40 50 60 0 0 1 0 20 30 40 50 60 Le rapport n’est pas indépendant de la loi initiale, dans les deux cas ! Néanmoins, et puisqu’il n’est pas possible, au préalable, de connaître la loi de distribution initiale dans le cas d’une expérimentation, la moyenne des résultats obtenus, pour toutes les lois initiales, sera retenue.
  • 13. Dispersion des coefficients ? Chaque simulation réalisée conduit à une rapport entre écart type expérimental et écart type théorique d’une part, étendue et écart type théorique d’autre part. n simulations donnent n rapports … on s’attachera à observer le rapport et l’écart type sur le rapport, écart type résultant des n simulations : Rapport et incertitude sur le rapport (en fonction de l'écart type) Rapport et incertitude sur le rapport (en fonction de l'étendue) 1,3500 0,0450 Coef f icient sur écart type 1,3000 6,0000 0,700 0,0400 ÉcartTypeDeNouveau Coef f 1,2500 0,0350 1,2000 0,0300 1,1500 0,600 5,0000 0,0250 0,500 4,0000 0,400 3,0000 1,1000 0,0200 1,0500 0,0150 1,0000 0,0100 0,9500 0,0050 0,300 2,0000 0,200 1,0000 0,9000 0,0000 0 10 20 30 40 50 60 0,100 Coeff sur étendue ÉcartTypeDeNouveau Coeff Etendue 0,0000 0,000 0 10 20 30 40 50 60 La simulation numérique montre que l’incertitude sur le rapport est nettement plus grande lorsqu’on travaille sur les étendues plutôt que sur les écart types. Pour les faibles échantillonnages, l’incertitude semble néanmoins plus petite !
  • 14. Incertitude globale sur les écart-types corrigés Lorsqu’on travaille sur les écart types, la formule s’écrit : sCor = Sexp x Coeff. L’incertitude sur scor, par application de la loi de propagation, s’écrit : u² sCor = (dsCor/dsexp) x u²sexp + (dsCor/dCoeff) x u²Coeff Lorsqu’on travaille sur les étendues, la formule s’écrit : sCor = Etendue / Coeff. L’incertitude sur scor, par application de la loi de propagation, s’écrit : u² sCor = (dsCor/dEtendue) x u²Etendue + (dsCor/dCoeff) x u²Coeff L’applicatrion numérique montre, en fonction du nombre d’échantillons : A partir de l'éc art type ex périmental En f onction de l'étendue 160,00% 250,00% Incertitude % (2 mesures) 140,00% Inc ertitude % (2 mes ures ) Inc ertitude % (3 mes ures ) 120,00% Incertitude % (3 mesures) 200,00% Incertitude % (4 mesures) Inc ertitude % (4 mes ures ) Inc ertitude % (5 mes ures ) 100,00% Incertitude % (5 mesures) 150,00% Incertitude % (10 mesures) Inc ertitude % (10 mesures) 80,00% Inc ertitude % (15 mesures) Inc ertitude % (20 mesures) 60,00% Incertitude % (15 mesures) Incertitude % (20 mesures) 100,00% Inc ertitude % (30 mesures) Incertitude % (30 mesures) Inc ertitude % (40 mesures) 40,00% Inc ertitude % (50 mesures) Incertitude % (40 mesures) 50,00% Incertitude % (50 mesures) 20,00% 0,00% 0,00% 0 20 40 60 80 100 120 0 20 40 60 80 100 120 L’incertitude globale sur l’écart type corrigé, calculée à partir des résultats obtenus par simulation numérique ( usexp, uCoeff et uEtendue) montre que l’approche à partir de l’étendue conduit à une incertitude sur l’écart type corrigé nettement supérieure à celle obtenue à partir de l’écart type expérimental
  • 15. Distribution des écart-types expérimentaux La distribution des écart-types expérimentaux, en fonction du nombre d’échantillons et de la loi initiale, prend les allures suivantes : Loi initale normale - 2 échantillons Loi initiale normale - 3 échantillons Loi initale normale - 4 échantillons Loi initiale Dérivée d'Arc Sinus - 2 échantillons Loi initiale Dérivée d'Arc Sinus - 3 échantillons Loi initiale Dérivée d'Arc Sinus - 4 échantillons Loi initiale Dérivée d'Arc Sinus - 5 échantillons Loi initiale Uniforme - 2 échantillons Loi initiale unif orme - 3 échantillons Loi initiale Uniforme - 4 échantillons Loi initiale Uniforme - 5 échantillons Loi initiale normale - 5 échantillons Tout écart-type, évalué sur la base d’un prélèvement inférieur à 5 échantillons, n’a pas de niveau de confiance appréciable !
  • 16. Coefficients sur écart-type retenus Nb Mesures Coefficient sur écart type Incertitude (2s) Incertitude (2s) en % Coeff sur étendue Incertitude(2s) Incertitude (2s) en % 2 1,235 0,082 6,60% 1,146 0,075 6,58% 3 1,106 0,052 4,68% 1,718 0,077 4,47% 4 1,066 0,044 4,17% 2,066 0,074 3,58% 5 1,047 0,036 3,39% 2,302 0,095 4,13% 6 1,035 0,029 2,77% 2,479 0,138 5,57% 7 1,027 0,027 2,67% 2,616 0,195 7,46% 8 1,024 0,029 2,79% 2,719 0,242 8,90% 9 1,020 0,021 2,05% 2,809 0,304 10,83% 10 1,017 0,022 2,16% 2,881 0,350 12,16% 11 1,016 0,019 1,87% 2,942 0,399 13,55% 12 1,013 0,018 1,79% 3,001 0,447 14,89% 13 1,013 0,018 1,81% 3,046 0,485 15,92% 14 1,012 0,018 1,73% 3,088 0,527 17,06% 15 1,011 0,015 1,48% 3,127 0,568 18,16% 16 1,010 0,016 1,54% 3,161 0,603 19,07% 17 1,009 0,014 1,36% 3,194 0,641 20,08% 18 1,009 0,015 1,50% 3,219 0,666 20,70% 19 1,009 0,015 1,49% 3,245 0,698 21,51% 20 1,008 0,012 1,19% 3,272 0,733 22,41% 21 1,008 0,012 1,20% 3,292 0,760 23,08% 22 1,007 0,012 1,24% 3,315 0,788 23,77% 23 1,007 0,012 1,18% 3,333 0,809 24,27% 24 1,006 0,011 1,12% 3,352 0,836 24,94% 25 1,006 0,011 1,06% 3,368 0,859 25,51% 26 1,005 0,010 1,04% 3,388 0,885 26,13% 27 1,006 0,012 1,19% 3,400 0,901 26,50% 28 1,005 0,010 1,04% 3,418 0,929 27,19% 29 1,005 0,010 1,04% 3,431 0,949 27,67% 30 1,005 0,011 1,08% 3,444 0,963 27,98%